net.layers{i}.distanceFcn，该属性定义一个函数，用于第i个网络层中的神经元之间距离的计算，它是根据神经元的位置
（net.layers{i}.positions）来进行计算的。神经元的距离用于自组织映射神经网络。
该属性可被设置成神经网络工具箱中的以下距离函数： boxdist---计算两个位置向量之间距离的距离函数； dist---欧几里得（Euclidean）距离权值函数； linkdist---连接距离函数；
mandist---曼哈顿（Manhattan）距离权值函数。 （3）distances属性（只读）
net.layers{i}.disances，该属性定义第i个网络层中神经元之间的距离，这些距离用于自组织映射神经网络。其值为网络层距离函数（net.layers{i}.distanceFcn）的计算结果，是通过网络层神经元的位置（net.layers{i}.positions）进行计算的。
（4）initFcn属性
net.layers{i}.initFcn，如果网络初始化函数（net.initFcn）设置为initlay，则该属性定义为第i个网络层的初始化函数。
该属性可被设置为：
initnw---NW（Nguyen-Widrow）网络层初始化函数；
initwb---通过权值和阈值进行初始化的网络层初始化函数。
（5）netInputFcn属性
net.layers{i}.netInputFcn属性定义一个网络输入函数，以给定的权值和阈值计算第i个网络层的输入。
该属性可被设置为：
netprod---求积网络输入函数；
netsum---求和网络输入函数。
（6）positions属性（只读）
net.layers{i}.positions，该属性定义第i个网络层中神经元的位置，这些位置用于自组织映射。其值为网络拓扑结构函数
（net.layers{i}.topologyFcn）关于位置的计算结果，它是通过网络层神经元维数（net.layers{i}.dimensions）进行计算的。
可以用plotsom函数画出网络层神经元的位置图。例如： plotsom(net2.layers{1}.positions)
（7）size属性
net.layers{i}.size，该属性定义第i网络层中的神经元数目，其值可以设置为零活正整数。
其值一旦发生变化，则所有的net.inputWeights{i,:}.size（连接到该网络层的输入权值向量元素的数目），net.layerWeights{:,i}.size（该网络层连接到其他网络层权值向量元素的数目），
net.inputWeights{i,:}.size（其他网络层连接到该网络层权值向量元素的数目），net.bias{i}.size（该网络层阈值向量元素的数目）等都将随之改变。 与之相关的net.IW{i,:}，net.LW{i,:}，net.LW{:,i}和biases(net.b{i})向量的维数也会随之改变。
同时网络层神经元的维数（net.layers{i}.dimensions）将被设置成与该属性相同的值，这仅适用于神经元的维数为一维的情况；对于多维情况，应该直接设置net.layers{i}.dimensions，而不应使用size属性进行设置。
（8）topologyFcn属性
net.layers{i}.topologyFcn，该属性定义一拓扑结构函数，用于计算第i个网络层中的神经元位置（net.layers{i}.positions），该位置是通过网络层神经元维数net.layes{i}.dimensions进行计算的。其值可以设成：
gridtop---网状网络层拓扑结构函数；
hextop---六边形网络层拓扑结构函数； randtop---随机网络层拓扑结构函数。
TopologyFcn的属性值一旦改变，则网络层神经元的位置（net.layers{i}.positions）也会随之更新。
（9）transferFcn属性
net.layers{i}.transferFcn，该属性定义网络的传输函数，用于计算第i个网络层的输出，该输出是通过给定的网络层输入值进行计算的。其值可以设置成：
compet---竞争型传递函数； hardlim---阈值型传递函数； hardlims---对称阈值型传输函数； logsig---S型传输函数； poslin---正线性传输函数； purelin---线性传输函数； radbas---径向基传输函数； satlin---饱和线性传输函数； satlins---饱和对称线性传输函数； softmax---柔性最大值传输函数； tanhsig---双曲正切S型传输函数； tribas---三角形径向基传输函数； 当sim被调用时，传输函数用于网络仿真：
[Y, Pf, Af]=sim(net, P,Pi, Ai)
（10）userdata属性
net.layers{i}.userdata，该属性为用户提供增加关于网络层向量的用户信息的地方，它预先只定义一个字段，其值为一提示信息： net.layers{i}.userdata=note:'Put your custom layer information here.'
用户可以通过修改net.layers{i}.userdata.note的值，增加关于网络层的用户信息。
? ? ?
MATLAB神经网络工具箱中的网络对象及属性(七)
2010-05-19 20:30 发表 系统分类：可编程逻辑 自定义分类：神经网络 标签：MATLAB 神经网络 网络对象
子对象的属性：
3.输出向量
net.outputs，该子对象的属性详细定义了网络的每一个输出向
量。每个输出向量的结构属性值可以通过net.outputs{i,j}进行访问。
（1）size属性
net.outputs{i}.size，该属性定义了第i个网络层输出向量中元素的个数，其值为第i个网络层神经元的数目（net.layers{i}.size）。
（2）userdata属性
net.outputs{i}.userdata，该属性为用户提供了增加关于第i个网络层输出向量的用户信息的地方，它预先只定义一个字段，其值为一提示信息：
net.outputs{i}=note:'Put your custom output information here.'
用户可以通过修改net.outputs{i}.userdata.note的值，增加关于第i个网络层输出向量的用户信息。
4.目标向量
net.targets，该子对象的属性详细定义了网络的每一个目标向量。
每个目标向量的结构属性值可以通过net.targets{i,j}来访问。
（1）size属性
net.targets{i}.size，该属性定义了第i个网络层目标向量中元素的个数，其值为第i个网络层神经元的数目（net.layers{i}.size）。
（2）userdata属性
net.targets{i}.userdata，该属性为用户提供了增加关于第i个网络层目标向量的用户信息的地方，它预先只定义一个字段，其值为一提示信息：
net.outputs{i}=note:'Put your custom output information here.'
用户可以通过修改net.targets{i}.userdata.note的值，增加关于第i个网络层目标向量的用户信息。
5.阈值向量
net.biases{i}，该子对象的属性详细定义网络的每一个阈值向量。
每个阈值向量的结构属性值可以通过net.biases{i}进行访问。
（1）initFcn属性
net.biases{i}.initFcn，该属性定义了第i个网络层阈值向量的初始化函数，如果网络的初始化函数为initlay，则第i个网络层阈值向量的初始化函数的函数为initwb。其值可以设成神经网络工具箱中的以下初始化函数：
initcon---“良心（conscience）”阈值初始化函数；
initzero---零权值/阈值初始化函数； rands---对称随机权值/阈值初始化函数；